解读基于ADL运动中上肢大脑活动的时肌肉协同模式

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 发动机控制器的控制器

背景情况:

• 肌肉协同作用是理论上的运动原体,简化了复杂的运动.
• 肌肉协同作用的神经基础和大脑活动表达仍然不清楚.
• 研究大脑肌肉协同作用的联系对于理解运动控制和开发辅助技术至关重要.

研究的目的:

• 开发一种基于协同作用的神经解码方法,用于运动原始体.
• 在日常生活活动中绘制上肢的脑活动和肌肉协同作用图.
• 建立一种新的方法来估计神经解码在运动控制中的性能.

主要方法:

• 在日常生活活动中同时获取脑电图 (EEG) 和脑电图 (EMG) 信号.
• 应用部分最小平方和正统相关性分析 (PLS-CCA) 来将神经指令与肌肉协同相关.
• 利用Elman神经网络来解码运动指令和肌肉协同作用之间的关系.
• 通过十倍交叉验证进行验证.

主要成果:

• 提出的方法在估计来自大脑活动的肌肉协同作用方面取得了高准确性 (R: 84±2.6%,VAF: 70±4.7%,MSE: 0.00011±0.00002).
• 重建的肌肉激活与实际激活的相关性超过92%.
• 与现有方法相比,该模型的准确性明显更高.
• 证实了肌肉协同表达在神经解码中的大脑活动中的实用性.

结论:

• 大脑活动中的肌肉协同表达可以有效地估计神经解码性能.
• 开发的基于协同作用的神经解码方法为运动控制研究提供了一个有前途的方法.
• 这项研究为先进的神经康复工具,包括神经假体铺平了道路.